摘要：铸坯凝固组织结构软测量模型算法复杂,计算量大,求解耗时长,基于中央处理器(CPU)的串行求解方法难以适应大尺寸铸件的预测需求。为了提高模型的计算效率,提出一种基于图形处理器(GPU)异构并行的元胞自动机(CA)软测量模型。首先设计GPU-CA异构并行算法,消除元胞之间的数据依赖和数据竞争问题,优化数据并行度;其次设计多流任务调度方案,解决单流中独立任务互相等待的问题,提高任务并行度;最后,使用某钢厂大型连铸机生产的两个钢种进行模型测试,预测结果与钢厂实验数据有较高的吻合度,等轴晶率误差约分别为1%和1.5%,温度与实测温度的最大相对误差为1.37%。与CPU计算精度相同的情况下,GPU的计算加速比高达数百倍,极大地提高了模型的计算速度。

摘要：基于模糊神经网络的理论方法,以点火提前角、发动机的功率和转速等特征参数作为二次变量,提出了点火提前角时间差软测量模型。仿真结果表明,软测量模型具有非常好的映射性能。试验结果表明,利用软测量模型对点火提前角进行控制时,该模型能在连续工作120 h内很好地实现成功点火,以及在冷起动条件下保证一次性点火成功,并且能满足排放性能要求。

摘要：为了解决铜精炼过程中高温铜液温度的测量难题,确保铜精炼过程的阳极铜产品质量,基于铜精炼过程中不同阶段的热工机理,分别建立了保温过程、氧化过程以及还原过程的高温铜液温度的机理软测量模型,并采用数据预处理、黄金分割法搜索区间及其函数链神经网络校正等技术对其进行了算法设计以及编程实现.实际应用结果表明,铜精炼过程铜液温度软测量可以反映铜精炼过程铜液温度的真实变化,有助于实现铜精炼过程铜液温度软控制以及提高铜精炼过程的生产效率和生产质量.

摘要：根据误差反馈原理,设计出带误差校正的神经网络模型,并将其用于常压塔汽油于点软测量,建立带误差校正的软测量模型。它将开环软测量模型的预测误差反传,作为校正输入量送给带误差校正的软测量模型进行误差校正。最后结合常压塔工业实例,对汽油干点进行预测,±1℃的预测误差表明该模型比不带误差校正的软测量模型具有更高的精度。

摘要：软测量是采用过程中比较容易测量的辅助变量,构造推断估计器来推算出难以测量或根本无法测量的关键工艺参数;是根据某种最优准则,选择一组既与主导变量有密切联系又容易测量的变量,即辅助变量,通过构造某种数学关系,用计算机软件实现对主导变量的在线估计。介绍了软测量的核心技术,并重点阐述了软测量模型建立的方法,还给出了建立一个完整的软测量模型的步骤。

摘要：基于铜精炼阳极炉氧化过程热工机理,建立了铜精炼阳极炉氧化过程铜液温度软测量模型,在铜液温度软测量的算法设计中采用数据预处理、黄金分割法搜索区间以及软测量模型参数校正等技术。实际应用结果表明,铜精炼阳极炉氧化过程铜液温度软测量可以反映氧化过程铜液温度的真实变化,有助于实现铜精炼阳极炉精炼过程铜液温度软控制以及提高铜精炼过程的生产效率和生产质量。

摘要：含天然气水合物饱和度的计算是储层优选和资源量评估的关键参数,针对目前数据解释模型计算精度低以及模型输入参数少等问题,提出了一种基于电阻抗特性参数和集成神经网络的软测量模型建立方法;在对电阻抗谱数据进行预处理、特征参数提取以及选择的基础上形成了样本集,针对4对传感器分别设计了BP神经网络,采用平均法作为集成策略将4个BP网络作为子网络进行集成得到集成网络模型;模型测试结果表明:通过集成网络模型计算得到的含水合物饱和度值平均相对误差3.33%、平均绝对误差0.001 4、均方根误差为6.56%,三项误差指标均低于各个子网络的计算误差;在宽频范围内对含水合物沉积物进行电阻抗谱测试能够获得沉积物的频率响应特性以及特性描述参数,可为神经网络模型提供大量的输入参数;利用集成神经网络能够综合应用位于不同测量方位的多个传感器的测量数据,通过采用适合的集成策略能够克服水合物空间分布不均匀对饱和度计算准确度的不利影响。

摘要：篦冷机内高温水泥熟料温度难以在线测量,给篦冷机的控制与热回收优化带来困难。针对这一问题,提出一种基于多孔介质渗流换热理论的篦冷机内熟料层温度软测量模型,并针对此模型设计一种解析法和隐式差分法相结合的流热耦合求解算法。根据所提出的算法对软测量模型进行渗流-传热双向耦合求解,得到了篦冷机内高温水泥熟料由进料口至出料口的温度变化预测值。利用自主设计的试验平台进行高温熟料堆积体冷却试验,试验结果表明,仿真数据与试验数据的误差较小,所建模型对于篦冷机内水泥熟料温度具有较好的测量精度。

摘要：Soft-sensing is widely used in industrial applications. The traditional soft-sensing structure is open-loop without correction mechanism. If the working condition is changed or there is unknown disturbance, the forecast result of soft-sensing model may be incorrect. In order to obtain accurate values, it is necessary to carry out online correction. In this paper, a semiclosed-loop framework (SLF) is proposed to establish a soft-sensing approach, which estimates the input variables in the next moment by a prediction model and calibrates the output variables by a compensation model. The experimental results show that the proposed method has better prediction accuracy and robustness than other open-loop models.

摘要：发酵测控系统是发酵过程参数智能检测与优化调控的基础,直接影响着发酵过程的控制性能。该文针对L-乳酸发酵过程的智能检测,提出了一种基于智能检测的发酵过程测控系统集成方法,给出了系统的体系结构及实现方法,集成了基于虚拟仪器技术的PXI总线发酵过程智能测控系统,给出了系统的软、硬件设计。该系统通过建立软测量模型,有效地实现了发酵过程不易测量参量的在线估计与控制,为发酵过程提供了一种新的测控系统。试验研究表明,将该系统应用到L-乳酸发酵过程中,通过在线估计葡萄糖液消耗量,实现了L-乳酸发酵过程补料优化控制,乳酸产量提高23%,提高了发酵产物得率。